日韩有码在线,www.婷婷色,玖玖热99这里只有精品

基于競爭機制的LDPC碼串行最小和算法

2015年電子技術應用第11期

　梁溪1，龍翔林2，章恩友2，楊帆1

1.電子科技大學通信與信息工程學院，四川成都611731；2.寧波迦南電子有限公司，浙江寧波315000

摘要： 針對譯碼模塊設計成本和功耗的問題，提出了一種LDPC碼串行最小和算法。該算法是一種采用權重因子的基于變量節點更新的串行算法，它基于競爭機制來更新變量節點對校驗節點消息集合中的最小值。與傳統串行算法相比，在不損失性能的前提下，它大幅降低了譯碼所需的復雜度。另一方面，與并行最小和算法相比，新算法不僅大幅降低了所需存儲量，而且性能也有一定的提升，復雜度只有略微增加

關鍵詞： 電力線載波通信串行最小和算法低密度奇偶校驗碼迭代譯碼

中圖分類號： TN911.22
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.2015.11.025

中文引用格式： 梁溪，龍翔林，章恩友，等. 基于競爭機制的LDPC碼串行最小和算法[J].電子技術應用，2015，41(11)：89-92，100.
英文引用格式： Liang Xi，Long Xianglin，Zhang Enyou，et al. A serial min-sum algorithm for LDPC codes based on competitive scheme[J].Application of Electronic Technique，2015，41(11)：89-92，100.

A serial min-sum algorithm for LDPC codes based on competitive scheme

Liang Xi1，Long Xianglin2，Zhang Enyou2，Yang Fan1

1.University of Electronic Science and Technology of China, Chengdu 611731，China； 2.Ningbo Jianan Electronics Co.，Ltd，Ningbo 315000，China

Abstract： Abstract： Considering the designing costs and the power consumption issues in the decoding module, a serial min-sum algorithm for LDPC codes is proposed. The new algorithm is a type of variable-to-check message updating algorithm using normalized factor, it updates the minimum value among the variable-to-check messages based on a competitive scheme. Compared to the conventional normalized serial min-sum algorithm, it reduces the decoding complexity significantly without any performance loss. On the other hand, compared with the normalized parallel min-sum algorithm, the new approach not only reduces amount of memory, but also has some performance improvement with a little complexity increased.

Key words : power line carrier communication；serial min-sum algorithm；low density parity check codes；iterative decoding；normalized factor

0 引言

　　隨著信息化的發展，人們對低密度奇偶校驗(Low Density Parity Check，LDPC)碼有了重新的認識。LDPC碼作為高效的信道糾錯編碼，具有較低的譯碼復雜度，系統吞吐量較大，已在電力線載波（Power Line Carrier，PLC）通信、第三代和第四代無線移動通信等方面得到了廣泛應用[1]。相對于turbo譯碼算法[2]，采用LDPC編碼和置信傳播(Belief Propagation，BP)譯碼算法更受人們的青睞[3]。但是BP算法存在對硬件存儲量的需求較大以及對信道情況較為敏感等問題。人們更趨向于魯棒性更好和復雜度更低的譯碼算法，最典型的就是并行最小和(Parallel Min-Sum，PMS)算法[4]。這類算法在實現中只需要加法和比較運算，且不需要知道信道情況，可以獲得性能和復雜度的良好折衷。考慮到PMS算法前后兩次迭代譯碼過程中，參與信息交換的置信度被過高估計，文獻[5]通過引入歸一化權重因子來減少這種負面影響，使其性能逼近最優BP算法的性能，可稱之為歸一化并行最小和(Normalized Parallel Min-Sum，N-PMS)算法。隨著研究的深入，人們提出了不同的譯碼機制來提高置信傳播的效率，其中較為重要的一類是采用權重因子的串行最小和(Normalized Serial Min-Sum，N-SMS)算法[6]。在電力線載波通信中，收發模塊通常采用具有低存儲量和低復雜度的編、譯碼算法。N-SMS算法雖然在存儲上較N-PMS算法有一定減少，但N-SMS算法由于每次迭代都采用min操作來更新最小值，復雜度相對較高。

　　為實現可靠通信，并綜合考慮實現成本、器件功耗以及處理復雜度的問題，針對N-SMS算法提出了一種基于競爭機制的歸一化的串行最小和(Normalized Competitive Min-Sum，N-CMS)算法。該算法在按照自然順序更新變量節點對校驗節點消息的同時，還利用競爭關系更新變量節點對校驗節點消息集合中的最小值。與文獻[6]類似的是，N-CMS在更新某一變量節點時，同時利用了與該節點之前已更新的軟信息和該節點之后還未更新的軟信息，所以N-SMS算法與N-CMS算法的性能相同。不同的是，N-CMS通過采用競爭機制來更新屬于同一校驗式的變量節點集合中的最小值，避免了文獻[6]中采用min操作的復雜運算，并進一步減少了存儲量。

1 N-PMS算法簡介

　　為了簡化敘述，該文沿用文獻[7]中的部分符號定義。設m和n分別表示校驗節點和變量節點，H為LDPC碼對應的校驗矩陣，當變量節點和校驗節點有邊相連接時，則hmn=1，它是H中的第m行和n列的元素。N(m)={n|hmn=1}表示參與校驗方程m的變量節點的集合，N(m)\n為N(m)中除去元素n后構成的集合；相應地，M(n)={m|hmn=1}表示與變量節點n相連的校驗節點的集合，M(n)\m為集合M(n)中除去元素m后構成的集合。設 26)IPLI]CR2JI[@1M7JC_S4.png 是從變量節點n傳遞給校驗節點m的軟信息，表示在給定接收序列y，并且除了第m個校驗方程外，其他與n相關的校驗方程都滿足的條件下，xn=x的概率； NM9N72@06M0`N1CEOXB98CR.png 是由校驗節點m傳遞給變量節點n的軟信息，表示在xn=x，且參加第m個校驗方程的除n外的其他變量節點 3FZF@NLXOA2V[`SEJWKA)B7.png 的概率Qmn已知的條件下，該校驗方程成立的概率，其中∈N(m)\n。

　　設s為長為N的編碼序列x=[x1，x2，…，xN]T經過BPSK調制后的信號，g是均值為0、方差為 HV[]OZ%0X@XAT0M4Z3UB6JF.png 的高斯噪聲。設s經過AWGN信道后的接收序列為y=[y1，y2，…，yN]T，BP譯碼后的序列為 P%HB`7~L$P%YVJS3@]E$@EX.png 。其中

　　 1S9Q8U5@KC4{JR9]APHB]~Y.png

　　傳統的N-PMS算法可歸納如下：

　　初始化：令先驗信息L(Pn)=yn，L(Qnm)=L(Pn)

　　步驟1：判斷是否達到設定的最大迭代次數MT，若是則程序結束；否則執行步驟(2)。

　　步驟2：對m=1，2，…，M和所有的n∈N(m)計算：

　　 Q(IXW[ZEC$IRLCNXQ6D5APG.png

　　在上式中， AGTU)5[O{VJEC`9VS0~Z17B.png nm=sign(L(Qnm))和 G1EW$%BG~GK206P_PPJA6WJ.png nm=abs(L(Qnm))，分別表示L(Qnm)的符號和絕對值， ]%OZPKXTJ8X}R811CD)B75I.png 為歸一化權重因子，滿足0≤≤1。

　　步驟3：對n=1，2，…，N和所有的m∈M(n)計算：

　 Y9S55%}ZS88)OMZSI3]KQ%S.png

　　L(Qnm)=L(Qn)-L(Rmn)(7)

　　步驟4：對譯碼軟信息進行硬判決，若L(Qn)<0，則 P%HB`7~L$P%YVJS3@]E$@EX.png n=1，否則n=0，n=1，2，…，N。若HT=0，則譯碼成功，程序結束，否則轉到步驟(1)。

2 N-CMS算法的原理與實現步驟

　　在N-PMS中，校驗節點和變量節點是分別并行更新的。文獻[4]指出，對于H矩陣中的第m個校驗式，N-PMS在計算所有n∈N(m)集合中的最小值 M]B7]J{]Q5N72MRH8~~%0S4.png 時，可以通過找出該集合中最小的兩個量 J_VAD@LY]R(5`$4WIW%[Q0M.png 1和2來簡化運算。

　　基于文獻[4]的思想，設變量節點n更新前與更新后L(Qnm)的絕對值分別為 G1EW$%BG~GK206P_PPJA6WJ.png nm和 }VKPU]]]1LI3[$DW]3X7KKJ.png ， J_VAD@LY]R(5`$4WIW%[Q0M.png 1和2是集合n∈N(m)所有nm中最小的兩個值，不失一般性令1≤2。當nm完成到的更新后，使得n∈N(m)集合在nm更新前求得的1和2可能并不是當前最小的兩個值，例如存在?茁<1的情況，此時的兩個最小值應為 }VKPU]]]1LI3[$DW]3X7KKJ.png 和 J_VAD@LY]R(5`$4WIW%[Q0M.png 1。倘若不對1和2進行更新，則會導致 M]B7]J{]Q5N72MRH8~~%0S4.png 的值不準確，使得性能和收斂速率都會受到影響。但若要采用min操作來更新1和2，則計算復雜度會較高。如在文獻[6]中，對于碼率1/2的規則(N，J，2J)LDPC碼，N-SMS在每次迭代中，操作需要NJ(2J+「log22J-2)次加法運算，當J較大時，簡化N-SMS算法的復雜度是很有必要的。

　　 $E@B({A)8__9C65S6]01U%1E.png$

　　步驟1：判斷是否達到設定的最大迭代次數MT，若是則程序結束；否則按照n=1，2，…，N的順序更新變量節點對校驗節點的消息，執行步驟(2)。

　　步驟2：對特定的n和每一個m∈M(n)按照式(5)計算L(Rmn)，此處的min操作由 J_VAD@LY]R(5`$4WIW%[Q0M.png 1和 ]%OZPKXTJ8X}R811CD)B75I.png 2取代。

　　步驟3：對特定的n和每一個m∈M(n)依據式(6)、式(7)算出L(Qn)和L(Qnm)，由更新后的L(Qnm)得出 }VKPU]]]1LI3[$DW]3X7KKJ.png 后，再根據競爭模式更新 J_VAD@LY]R(5`$4WIW%[Q0M.png 1和2。

　　步驟4：若n≤N，對譯碼軟信息進行硬判決，若L(Qn)<0，則 P%HB`7~L$P%YVJS3@]E$@EX.png n=1，反之n=0，n=n+1轉到步驟(2)。否則執行步驟(5)。

　　步驟5：若H P%HB`7~L$P%YVJS3@]E$@EX.png T=0，則譯碼成功，程序結束。否則轉到步驟(1)。

　　3 復雜度及存儲量分析

　　 CIX92V5E`WAC6)B67@02[86.png

Image 004.jpg

　　另一方面，N-PMS需要較大的存儲，根據式(5)，對于每個校驗式m， M]B7]J{]Q5N72MRH8~~%0S4.png 需要2個單元來存儲2個最小值，所以對于N/2個校驗式，L(Rmn)總共需N個存儲單元；根據式(6)、式(7)，L(Qn)、L(Qnm)分別需N和NJ個存儲單元。再來看N-SMS算法，由于變量節點串行更新，L(Rmn)只需2J個存儲，但N-SMS算法每次迭代都要進行min操作，對于每個校驗式m，L(Qnm)仍需2J個 G1EW$%BG~GK206P_PPJA6WJ.png nm來計算 }VKPU]]]1LI3[$DW]3X7KKJ.png ，從而L(Qn)、L(Qnm)分別仍需N和NJ個存儲單元。在N-CMS算法中，L(Rmn)也只需2J個存儲，由于N-CMS算法采用了競爭機制，每計算出一個，便用于 J_VAD@LY]R(5`$4WIW%[Q0M.png 1和2的更新。所以對于每個校驗式m，只需分配1個臨時單元用于存儲 }VKPU]]]1LI3[$DW]3X7KKJ.png ，從而L(Qnm)共需N/2個單元，L(Qn)需N個存儲單元。綜上所述，N-PMS、N-SMS和N-CMS所需存儲總量分別為2N+NJ、N+(N+2)J和3N/2+2J。顯而易見，相對于N-PMS算法和N-SMS算法，N-CMS算法具有極低的存儲需求，這對于設計成本低廉的譯碼模塊具有重要意義。

4 算法仿真與測試

　　仿真中選取碼率1/2的(512，3，6)規則LDPC碼通過AWGN信道，譯碼分別采用N-PMS算法和N-CMS算法。為了使得信息得到充分的傳播，在仿真中令最大迭代譯碼次數MT=30。下面從歸一化權重因子的選取、誤比特率(Bit Error Rate，BER)、誤幀率(Frame Error Rate，FER)、收斂速率和譯碼平均譯碼復雜度幾個方面來進行對比分析。

Image 001.jpg

　　為簡化討論，此處利用蒙特卡羅方法來獲得N-PMS和N-CMS的歸一化權重因子。如圖1和圖2所示，兩者都在 ]%OZPKXTJ8X}R811CD)B75I.png =0.8時表現出最佳的性能，因此將=0.8作為最佳歸一化權重因子用于之后的仿真。

Image 002.jpg

　　圖3和圖4分別對比了PMS、N-PMS、CMS和N-CMS系統的BER和FER性能，按照是否引入歸一化權重因子分為兩組，即PMS和N-PMS，CMS和N-CMS。可以看出，不論哪一組歸一化算法均比非歸一化的算法性能要好得多，約有0.5～0.7 dB的性能差距。此外，即使都是歸一化算法，N-CMS較N-PMS也有0.1～0.2 dB的性能提升。

Image 005.jpg

Image 003.jpg

　　由圖5可知，CMS所需的平均迭代譯碼次數要少于PMS，類似的，N-CMS所需的平均迭代譯碼次數也少于N-PMS。從圖6可以得出，N-CMS在中低信噪比時譯碼復雜度較N-SMS有明顯的優勢，但比N-PMS略高；在高信噪比時N-CMS與N-PMS復雜度接近，而且兩者都比N-SMS的復雜度低。

5 結論

　　本文提出了一種按照變量節點更新的歸一化串行最小和算法——N-CMS。N-CMS算法采用競爭機制實時更新變量節點對校驗節點消息集合中最小的兩個值，它在保持與N-SMS算法相同性能的前提下大幅降低了運算量。相對N-PMS算法而言，N-CMS算法不論是在收斂速度，還是在譯碼性能上都更有優勢，其復雜度只有略微增加。最為重要的是N-CMS算法具有極低的存儲需求，尤其是在電力線載波通信所需的譯碼模塊的設計中，表現出巨大的實用價值。

　　參考文獻

　　[1] DEVELI I，KABALCI Y.Analysis of the use of different decoding schemes in LDPC coded OFDM systems over indoor PLC channel[J].Electronics & Electrical Engineering，2014，20(1)：76-80.

　　[2] BERROU C，GLAVIEUX A，THITIMAJSHIMA P.Near Shannonlimit error-correcting coding：turbo codes[C].In ICC93，1993(5)：1064-1070.

　　[3] MACKAY D J C.Good error-correcting codes based on very sparse matrice[J].IEEETrans.Inform.Theory，1999(45)：399-431.

　　[4] FOSSORIER M P C，MIHALJEVIC M，IMAI H.Reduced complexity iterative decoding of low density parity check codes based on belief propagation[J].IEEE Trans.Commun，1999(47)：673-680.

　　[5] CHEN J，FOSSORIER M P C.Decoding low-density parity check codes with normalized APP-based algorithm[C].Proc.IEEE Global Communications Conference，2001，9(1)：1026-1030.

　　[6] 劉原華，王新梅，胡樹楷，等.一種改進的卷積LDPC碼置信傳播譯碼算法[J].西安電子科技大學學報，2009， 36(3)：424-428.

　　[7] 楊帆，羅振東，田寶玉.改進的LDPC串行譯碼[J].北京郵電大學學報，2008，31(4)：130-134.

原創聲明：此內容為AET網站原創，未經授權禁止轉載。

相關內容